Page 1

VOL. 3, NO. 2, JULI 2009

VOL. 3, NO. 2, JULI 2009: 81-166

PENGARUH PERSEPSI KUALITAS LAYANAN DAN KEPUASAN PELANGGANKOREKSI BIAS KOEFISIEN BETA DI BURSA EFEK INDONESIA Rowland Bismark Fernando Pasaribu POLA ATRIBUT YANG MEMPENGARUHI PREFERENSI KONSUMEN DALAM MEMBELI RUMAH DI KECAMATAN DEPOK, KABUPATEN SLEMAN, PROVINSI DAERAH ISTIMEWA YOGYAKARTA, TAHUN 2008 Asri Wening Handayani DAMPAK KEGIATAN INVESTASI TERHADAP PENDAPATAN PER KAPITA MASYARAKAT KABUPATEN SLEMAN PASCA OTONOMI DAERAH Rudy Badrudin MODEL EMPIRIS PERILAKU BERWIRAUSAHA USAHA KECIL MENENGAH DI DIY DAN JAWA TENGAH Tony Wijaya PERGESERAN PENYERAPAN TENAGA KERJA PASCA LUMPUR LAPINDO SIDOARJO DAN UPAYA PENYELESAIANNYA Sri Kusreni Didin Fatihudin DAMPAK MANAJEMEN LABA TERHADAP RELEVANSI INFORMASI LAPORAN KEUANGAN DIMODERASI OLEH AKRUAL DISKRESIONER JANGKA PENDEK DAN JANGKA PANJANG Astrid Rona Novianty Paluruan Baldric Siregar

VOL. 3

NO. 2

Hal 81-166

Juli 2009


ISSN: 1978-3116

JURNA L

Vol. 3, No. 2, Juli 2009

EKONOMI & BISNIS

Tahun 2007

DAFTAR ISI

KOREKSI BIAS KOEFISIEN BETA DI BURSA EFEK INDONESIA Rowland Bismark Fernando Pasaribu 81-89 POLAATRIBUTYANG MEMPENGARUHI PREFERENSI KONSUMEN DALAM MEMBELI RUMAH DI KECAMATAN DEPOK, KABUPATEN SLEMAN, PROVINSI DAERAH ISTIMEWAYOGYAKARTA, TAHUN 2008 Asri Wening Handayani 91-105 DAMPAK KEGIATAN INVESTASI TERHADAP PENDAPATAN PER KAPITA MASYARAKAT KABUPATEN SLEMAN PASCA OTONOMI DAERAH Rudy Badrudin 107-117 MODEL EMPIRIS PERILAKU BERWIRAUSAHA USAHA KECIL MENENGAH DI DIY DAN JAWA TENGAH Tony Wijaya 119-131 PERGESERAN PENYERAPAN TENAGA KERJA PASCA LUMPUR LAPINDO SIDOARJO DAN UPAYAPENYELESAIANNYA Sri Kusreni Didin Fatihudin 133-143 DAMPAK MANAJEMEN LABATERHADAP RELEVANSI INFORMASI LAPORAN KEUANGAN DIMODERASI OLEH AKRUAL DISKRESIONER JANGKA PENDEK DAN JANGKA PANJANG Astrid Rona Novianty Paluruan Baldric Siregar 145-166


ISSN: 1978-3116 KOREKSI BIAS KOEFISIEN BETA DI BURSA EFEK INDONESIA (Rowland Bismark Fernando Pasaribu) Vol. 3, No. 2 Juli 2009

JURNA L

Hal. 81-89

EKONOMI & BISNIS

Tahun 2007

KOREKSI BIAS KOEFISIEN BETA DI BURSA EFEK INDONESIA Rowland Bismark Fernando Pasaribu Asian Banking Finance and Informatics Institute of Perbanas Jalan Perbanas, Karet Kuningan, Setiabudi, Jakarta 12940 Telepon +62 21 527 8788 ext. 33, Fax. +62 21 522 2645 E-mail: rowland.pasaribu@gmail.com

ABSTRACT This research aim to clarify deflect value of beta-stock coefficient enlisted Indonesian Stock Exchange and correction to the diffraction value by Scholes & Williams, Dimson, and also Fowler & Rorke method. The result indicate that beta-stock value is deflect, others result form normality-test also confirm the abnormal of return distribution. Adequate correction method for abnormal return distribution is Scholes And Williams with correct period 2 lag and 3 lead, while for normal distribution is Fowler-Rorke method with correct period 3 lag and 1 lead. Keyword: nonsyncronous-trading, thin tradings, bias, emerging market, trimming

PENDAHULUAN Koefisien beta merepresentasikan sensitivitas suatu sekuritas terhadap pergerakan pasar. Oleh karena itu, mengetahui beta suatu asset berguna untuk manajemen risiko portfolio. Risiko total yang diasosiasikan dengan asset dapat dibagi ke dalam dua komponen, yaitu risiko sistematis dan non-sistematis. Risiko sistematis yang terdapat pada suatu asset tidak dapat didiversifikasi, sebaliknya risiko non-sistematis dapat dieliminir dengan melakukan diversifikasi. Dengan kata lain, koefisien beta menggambarkan jumlah relatif risiko sistematis

suatu asset tertentu terhadap rata-rata risiko asset. Beberapa hasil penelitian mengungkapkan bahwa koefisien beta secara relatif cenderung statisioner sepanjang waktu, khususnya untuk portfolio saham (Blume, 1971). Meski demikian, terdapat juga sejumlah hasil kajian lainnya yang menyebutkan bahwa kecenderungan yang konsisten untuk portfolio dengan historikal beta yang pendek atau panjang yang dihitung untuk periode yang telah ditentukan menunjukkan nilai yang semakin tinggi atau semakin rendah untuk periode waktu berikutnya. Berdasarkan tinggi rendahnya beta yang dijelaskan dalam hubungannya terhadap beta pasar, koefisien beta terlihat sebagai ekspose tendensi yang konvergen ke arah angka 1. Kalau tendensi ini adalah stasioner, maka beta mendatang dapat diprediksi dengan beberapa derajat keyakinan tertentu. Blume (1971, 1975) dan Vasicek (1973) memberikan dua teknik yang berbeda untuk mengestimasi beta berdasarkan koefisien historikal untuk risiko sistematis. Penjelasan teoritikal tersebut mungkin berlaku pada saat aktivitas perdagangan pasar dalam kondisi yang sinkron. Pertanyaannya, kalau ternyata aktivitas perdagangan pasar tidak sinkron maka yang dihasilkan adalah koefisien beta yang bias dan mengaburkan kegunaannya. Jogiyanto dan Surianto (2000) menyatakan bahwa aktivitas perdagangan yang tidak sinkron mengacu pada rendahnya transaksi perdagangan (thin market). Jogiyanto (1998a, 1998b) menyatakan bahwa pada pasar modal Indonesia terjadi aktivitas perdagangan yang tidak sinkron sehingga perlu dilakukan penyesuaian terhadap perhitungan nilai

81


JEB, Vol. 3, No. 2, Juli 2009: 81-89

beta pasar yang ada. Penelitian ini berusaha untuk melanjutkan penelitian Jogiyanto dan Surianto (2000) dalam hal konfirmasi atas nilai beta yang bias dan penggunaan metode koreksi bias beta (Scholes dan Williams, Dimson, serta Fowler dan Rorke). Rumusan masalah penelitian ini adalah 1) apakah nilai beta saham yang terdaftar di Bursa Efek Indonesia (BEI) merupakan nilai yang bias dan 2) manakah di antara metode Scholes dan Williams (1997), Dimson (1979), atau Fowler dan Rorke (1983) yang memadai dalam mengkoreksi bias beta yang terjadi. Penelitian ini bertujuan untuk 1) mengklarifikasi nilai bias beta saham yang terdaftar di Bursa Efek Indonesia; 2) menghitung koreksi nilai beta dengan 3 metode tersebut, dan 3) menentukan metode yang paling memadai dalam mengkoreksi nilai bias tersebut. MATERI DAN METODE PENELITIAN Blume menyatakan bahwa beta cenderung bergerak regress pada nilai rata-rata beta secara keseluruhan. Hasil penelitiannya menghasilkan teknik penyesuaian berdasarkan premis bahwa beta selalu bergerak dinamis mendekati nilai 1. Kolb dan Rodriguez (1989) menunjukkan bahwa beta yang mendekati 1 juga memiliki probabilitas yang lebih tinggi untuk menjauh dari angka 1 yang cenderung melakukan reversi off-set beta yang sangat kecil atau sangat besar atas angka 1. Beberapa penelitian telah dilakukan dalam kaitannya dengan stabilitas koefisien beta terhadap periode waktu dan secara umum menghasilkan simpulan yang hampir sama. Levy (1971) menggunakan return mingguan pada 500 saham pasar modal New York (NYSE) untuk menghitung beta pasar. Levy menyimpulkan bahwa pengukuran terhadap risiko tidak stabil dalam jangka pendek (52 minggu). Sebaliknya, beta portfolio saham menjadi lebih stabil dengan jumlah saham yang besar. Hasil temuan lainnya adalah menyarankan nilai beta hasil regresi yang melampaui rata-rata beta (sebesar 1). Blume (1971) menggunakan periode waktu 1926-1962 dan menyimpulkan hal yang sama. Hasil ini didukung oleh Fielitz (1974), Porter dan Ezzell (1975), serta Tole (1981) yang menyatakan bahwa stabilitas beta meningkat dalam ukuran portfolio. Baesel (1974) menyatakan bahwa beta lebih stabil selama panjangnya periode estimasi beta ditingkatkan. Altman, Jacquillat, dan Levasseur (1974) menyimpulkan hal

82

yang sama untuk saham-saham di negara Perancis. Roenfeldt, Griepentrog, dan Pflamm (1978) menyatakan bahwa hasil estimasi beta yang semakin stabil dengan periode 48 bulan adalah prediktor yang buruk dalam mengestimasi beta jangka pendek (12 bulan). Chen (1981) menyarankan bahwa pendekatan normal regresi Ordinary Least Sqaure (OLS) untuk mengestimasi beta akan menghasilkan hasil yang bias, yaitu beta tidak bersifat stagnan dan karenanya mendukung penggunaan pendekatan penyesuaian bayesian seperti metode Vasicek. Ada dua sumber penelitian yang mengkaitkan bias beta dengan trading delays dan price adjustment delays. Fisher (1966) adalah yang pertama yang mengidentifikasi potensi permasalahan yang disebabkan aktivitas non-trading. Selanjutnya Cohen, Hawawini, Maier, Schwartz, dan Whitcomb (1980) secara eksplisit mengatakan pentingnya price adjusment delays sebagai sumber bias beta. Untuk membedakan panjangnya interval dan indeks pasar, Scholes dan Williams (1977), Dimson (1979), Fowler, Rorke dan Jog (1980, 1981, 1989) serta Cohen, Hawawini, Maier, Schwartz, dan Whitcomb (1983) memberikan bukti empiris bahwa beta saham yang diperdagangkan dengan nilai kurang atau lebih daripada indeks yang digunakan dalam estimasi akan mengurangi atau meningkatkan nilai bias beta. Prosedur koreksi didesain untuk mengurangi bias yang berhubungan dengan infrequent trading menggunakan teknik ekonometrik pada return saham dan estimator informasi yang terbatas. Dimson (1979) melakukan estimasi dengan menggunakan model multiple regresi. Variabel dependen adalah time-series tingkat pengembalian saham, variabel independen adalah return pasar, dan variabel lead dan lag pada indeks pasar: Rit = αi + β-1Rm,t-1 + β0m,t + β+1Rm,t+1 + εit Berdasarkan teknik ini, beta yang disesuaikan adalah sama dengan jumlah estimasi koefisien beta, yaitu: βD = β-1 + β0 + β+1 Scholes and Williams (1977) membutuhkan 3 estimasi terpisah pada model faktor tunggal: βit = αi + βiRm,t + εit. Regresi pertama yang menggunakan observasi kontemporer pada variabel independen dan dependen menghasilkan estimasi


KOREKSI BIAS KOEFISIEN BETA DI BURSA EFEK INDONESIA (Rowland Bismark Fernando Pasaribu)

pertama (b0). Regresi kedua dan ketiga menggunakan variabel independen lag dan lead satu periode untuk menghasilkan b-1 dan b+1. Penyesuaian beta Scholes and Williams (1977) diperoleh dengan menghitung nilai rata-rata beta dengan persamaan sebagai berikut: βSW = (β-1+ β0 + β+1)/(1+2ρ) ρ adalah koefisien korelasi first order serial untuk indeks pasar Cohen, Hawawini, Maier, Schwartz, and Whitcomb (1983) mengusulkan teknik penyesuaian OLS untuk estimasi beta yang terdiri dari estimasi pada interval cross-sectional atau hubungan thinness (event pada saat transaksi perdagangan rendah). Teknik ini mengacu pada proposisi bahwa semakin diperpanjang interval yang membedakan, beta OLS semakin mendekati beta kongkret. Pertama, mengestimasi model market untuk tiap emiten j, untuk beragam panjang interval yang berbeda (1, …, 6, 8, 10, 12, 14, 15, 16, 18, dan 20 hari). Selanjutnya, estimasi persamaan berikut untuk tiap emiten: βjL = aj + bjL-n + εjL, n > 0, L and j. A

βjL adalah beta estimasi OLS saham (model market) untuk panjang interval waktu yang berbeda-beda, L (hari), εjL adalah random error, aj dan bj adalah parameters yang diestimasi. Nilai n is dipilih untuk memberi linear fit terbaik. Untuk sampel 50 perusahaan, Cohen, Hawawini, Maier, Schwartz, dan Whitcomb (1983) kemudian mengestimasi cross-sectional interval sebagai berikut: bj = c + b ln Vj + εjL, j = 1,…,50 bj = koefisien L-n; Vj = Market value shares outstanding akhir tahun; εjL = random error; c dan b= parameters yang diestimasi. Untuk sampel 50 emiten NYSE, Cohen, Hawawini, Maier, Schwartzm dan Whitcomb (1983) menghasilkan estimasi berikut atas persamaan diatas: bj = -2.637 + 0.181 ln Vj Fowler, Rorke, dan Jog (1989) mengembangkan teknik alternatif untuk menghasilkan estimasi beta yang konsisten dalam aktivitas perdagangan yang rendah. Esensi model mereka adalah penggunaan data trading historikal untuk meningkatkan sekumpulan informasi

guna menghasilkan estimasi. Pertama mereka mengklasifikasi saham pada kategori “fat”, “moderate” and “infrequent”. Mereka menunjukkan tiap-tiap kategori tersebut memerlukan perlakuan yang berbeda untuk menghasilkan estimasi beta yang tidak bias. Derajat kompleksitas pada model meningkat sebagaimana meningkatnya derajat aktivitas perdagangan saham yang rendah. Tidak ada aturan khusus yang mengatur jumlah ideal variabel lead dan lag, kecuali aktivitas perdagangan warran yang rendah (Jarnecic et.al, 1997). Berglund, Liljeblom, dan Loflund (1989) menyatakan bahwa penggunaan jumlah lag dan lead yang berlebihan dalam estimator dapat menciptakan distorsi dalam estimasi. Murray (1995) mengkonfirmasi bahwa tidak ada justifikasi untuk menggunakan sejumlah besar variabel lag dan lead dalam Cohen, Hawawini, Maier, Schwartz, dan Whitcomb (1983) sebagai suatu keuntungan potensial yang dapat hilang karena terjadi noise pada estimasi. Trade-off di antara beragam teknik adalah antara perhitungan kompleksitas dan informasi yang diperlukan pada prosedur ekonometrik serta antara bias dan efisiensi estimator. Dalam hal perhitungan kompleksitas dan informasi yang diperlukan terdapat 2 teknik. (Dimson, 1979; Scholes dan Williams, 1977) yang menggunakan agregasi pada estimase beta dari variabel lag dan lead untuk menghasilkan estimasi beta yang konsisten. Estimasi beta pada Cohen, Hawawini, Maier, Schwartz, dan Whitcomb (1983) adalah berdasarkan model analitikal yang menjelaskan struktur return dalam artian friksi pasar dan menggunakan sejumlah regresi atas return saham untuk memperoleh estimasi beta yang asymtotic. Prosedur Fowler, Rorke, dan Jog (1989) juga merupakan pendekatan statistik tapi diperlukan informasi saham tertentu (dalam bentuk distribusi frekuensi perdagangan dalam periode yang berbeda-beda) untuk mengimplementasikannya. Prosedur Scholes dan Williams (1977) serta Dimson (1979) dalam mengestimasi beta telah dikritisi oleh Fowler dan Rorke (1983) serta Fowler, Rorke, dan Jog (1980) yang menyatakan kedua model tersebut masih membuka celah untuk terjadinya bias perdagangan yang tidak sinkron. Fowler, Rorke, dan Jog (1980) menyatakan bahwa metode Dimson’s (1979) memiliki beberapa kendala matematika yang membuatnya bias sebagai model estimasi. Selanjutnya

83


JEB, Vol. 3, No. 2, Juli 2009: 81-89

mereka menyatakan bahwa estimator dalam metode Scholes dan Williams (1977) memberikan hasil yang lebih baik dalam hal memindahkan bias, tetapi varian estimator-nya sangat besar sehingga beta yang dihasilkan juga tidak akurat. Generalisir ini dibantah oleh Riding (1992) yang menguji efisiensi metode Scholes, Williams, dan Dimson untuk data pasar modal Selandia Baru. Cohen, Hawawini, Maier, Schwartz, dan Whitcomb (1983) serta Fung, Schwartz, dan Whitcomb (1985) memberikan bukti empiris mengenai efektivitas pendekatan Cohen, Hawawini, Maier, Schwartz, dan Whitcomb (1983). McInish dan Wood (1986) menggunakan model linear programming untuk meneliti tingkatan bias beta untuk saham pada pasar modal New York dan efektivitas teknik Scholes dan Williams (1977), Dimson (1979), Fowler, Rorke, dan Jog (1980), serta Cohen, Hawawini, Maier, Schwartz, dan Whitcomb (1983) dalam mengkoreksi bias tersebut. Hasil penelitiannya menyatakan bahwa metode Dimson (1979) superior dibanding 2 metode koreksi bias lainnya. Penelitian mengenai koreksi beta telah dilakukan oleh Arif dan Johnson (1990), Jogiyanto (1998b), serta Jogiyanto dan Surianto (2000). Arif dan Johson (1990) menggunakan data bulanan pasar modal Singapura untuk menghitung nilai beta pasar dengan periode penelitian Januari 1975 - Maret1988. Metode yang digunakan adalah OLS yang belum disesuaikan, Scholes dan William, Dimson, serta Fowler, Rorke, dan Jog. Koreksi dengan menggunakan 1 lag dan lead mengurangi bias pada ketiga model. Penggunaan 2 lag dan 2 periode memberikan hasil bahwa metode Dimson adalah yang terbaik (1,083 terdekat dengan angka 1), selanjutnya untuk penggunaan 3 lag dan lead metode Scholes dan William adalah yang terbaik (1,071). Jogiyanto (1998b) menyatakan jumlah rata-rata perdagangan saham emiten yang tidak aktif adalah 40,45% adalah salah satu fakta penyebab aktivitas perdagangan yang tidak sinkron yang pada akhirnya mengakibatkan nilai beta menjadi bias. Jogiyanto dan Surianto (2000) meneliti koreksi bias pada beta pasar di BEJ periode Mei 1995 - Mei 1997. Periode koreksi nilai beta adalah 5 lag dan 5 lead. Untuk distribusi data yang tidak normal dan yang telah dinormalkan, metode Fowler, Rorke, dan Jog adalah yang terbaik dalam menghasilkan koreksi bias beta. Berdasarkan review literatur dan penelitian sebelumnya,

84

maka dapat dinyatakan bahwa nilai beta pada saham yang terdaftar di BEI (emerging market dengan aktivitas perdagangan saham yang rendah) adalah bias maka hipotesis penelitian ini adalah: H1: Nilai beta dalam Bursa Efek Indonesia adalah nilai yang bias Data penelitian adalah emiten yang terdaftar pada BEI periode 2007. Emiten dalam sampel penelitian dipilih dengan mengaplikasikan metode purposive sampling. Kriteria sampel yang harus dipenuhi oleh emiten mengacu pada kriteria, yaitu 1) menyampaikan laporan keuangan Desember 2007 tepat waktu, yakni paling lambat 31 Maret 2008; 2) emiten sudah tercatat di bursa sebelum tahun 2007; 3) tidak mendapat penilaian disclaimer atau adverse dari akuntan publik; 4) rugi yang diderita emiten tidak lebih dari 50% modal disetor; 5) memiliki ekuitas tidak kurang dari Rp 30 miliar; 6) tidak menderita rugi selama 3 tahun berturut-turut ; 7) laporan keuangan emiten harus menggunakan tahun buku Desember; 8) emiten harus memiliki ekuitas positif selama 2 tahun terakhir; 9) aktivitas perdagangan pasif tidak lebih dari 10 minggu; dan 10) jumlah pemegang saham lebih dari 30 pihak Ada 87 sampel yang memenuhi kriteria ini. Data return emiten dan return pasar diperoleh dari www.yahoo-finance.com dan www.reuters.com. Penelitian ini menggunakan data harian karena meningkatkan kekuatan statistikal melalui tambahan degree of freedom. Penelitian ini bukan merupakan event study dengan alasan estimasi koefisien beta dilakukan dalam periode estimasi yang sama pada seluruh emiten dan tidak dikaitkan dengan suatu event tertentu (corporate action) yang dilakukan oleh emiten. Nilai beta dalam penelitian ini diestimasi dengan menggunakan model market. Nilai beta dihitung dalam periode 2 Januari - 28 Desember 2007. Rit = αi + βiRmt + εit i t Rit αi βi Rmt εit

= = = = = = =

emiten i hari ke-t sesuai dengan periode estimasi return saham emiten i hari ke-t intersep regresi untuk tiap emiten i beta emiten i return market hari ke-t residual regresi emiten i hari ke-t


KOREKSI BIAS KOEFISIEN BETA DI BURSA EFEK INDONESIA (Rowland Bismark Fernando Pasaribu)

banyaknya periode lag dan lead. Berikut adalah rumus koreksi beta untuk saham i:

Tingkat Keuntungan Pasar Rm1 = (IHSGt – IHSGt-i) / IHSGt-i Rm = Return dari pasar IHSGt = Indeks Harga Saham Gabungan periode t IHSGt-1 = Indeks Harga Saham Gabungan periode t -1 Nilai beta pasar adalah rata-rata tertimbang pada nilai beta saham dalam pasar. Kalau nilai tersebut tidak bias maka nilai beta pasar akan sama dengan 1. Sebaliknya, dalam lingkungan perdagangan yang tidak sinkron dimana nilai beta individu adalah bias, nilai beta pasar tidak akan sama dengan 1. Oleh karena itu, ukuran bias pada nilai beta dapat dilakukan dengan menentukan apakah nilai beta pasar sama dengan 1 atau tidak. Nilai beta pasar adalah rata-rata tertimbang nilai beta seluruh saham. Kalau nilai beta pasar tidak sama dengan 1, maka perlu dilakukan penyesuaian terhadapnya. Koreksi penyesuaian dapat dilakukan dengan beberapa metode, yaitu Scholes dan Williams, 1997; Dimson, 1979; serta Fowler dan Rorke, 1983. Metode Scholes dan Williams menyajikan rumus sebagai berikut: Rit = αi + βii–nRmt-n + εit Rit = αi + βi–2Rmt-2 + εit Rit = αi + βi–1Rmt-1 + εit Rit = αi + βi–0Rmt-0 + εit Rit = αi + βi+1Rmt+1 + εit Rit = αi + βi+2Rmt+2 + εit Rit = αi + βi+nRmt+n + εit Rit = αi + ρ1Rmt-1 + εit Rit = αi + ρ2Rmt-2 + εit Rit = αi + ρnRmt-n + εit

Untuk memperoleh βi–n Untuk memperoleh βi–2 Untuk memperoleh βi–1 Untuk memperoleh βi–0 Untuk memperoleh βi+1 Untuk memperoleh βi+2 Untuk memperoleh βi+n Untuk memperoleh ρ1 Untuk memperoleh ρ2 Untuk memperoleh ρn

Nilai beta koreksi untuk tiap saham berdasarkan model koreksi Scholes dan Williams yang mengikutsertakan n lag dan lead, dapat diformulasikan sebagai berikut: βi =

βi-n + … + βi0 + … + βi+n . 1 + 2ρ1 + 2ρ2 + ... + 2ρn

Rit = αi + βi–nRmt-n + ... + βi0Rmt + ... + βi+nRmt+n +εit Nilai beta koreksi adalah jumlah koefisien multiregresi, sehingga metode Dimson ini juga dikenal dengan istilah metode penjumlahan koefisien (aggregate coefficient method). Besarnya beta koreksi adalah sebagai berikut: βi = βi-n + … + βi0 + … + βi+n Metode Fowler-Rorke berargumen bahwa metode Dimson hanya menjumlah koefisien regresi berganda tanpa memberi bobot akan tetap memberikan beta yang bias (1983). Oleh karena itu, Fowler dan Rorke mengalikan seluruh koefisien regresi yang dihasilkan dari metode Dimson dengan faktor pembobotan sebelum menambahkan koefisien regresi. Faktor pembobotan untuk mengalikan periode koefisien regresi ke-n dihitung sebagai berikut: ω1 =

ω2 =

ω3 =

1 + 2r1 + 2r2 + ... + 2rn-1 + rn 1 + 2r1 + 2r2 + Ö + 2rn 1 + 2r1 + 2r2 + Ö + rn-1 + rn 1 + 2r1 + 2r2 + Ö + 2rn 1 + 2r1 + 2r2 + Ö + rn-1 + rn 1 + 2r1 + 2r2 + Ö + 2rn

Nilai r1, r2, Ö, rn dihasilkan dari persamaan regresi berikut: Rmt = αi + ρ1Rmt-1 + ρ2Rmt-2 + ... + ρnRmt-n +εit Dan nilai beta koreksi untuk emiten i adalah sebagai berikut: αi = ωnβi-n + … + ω1βi-1 + βi0 ω1 βi-1 +… + ωnβi+n

Metode Dimson merupakan simplifikasi metode Scholes dan Williams dengan hanya menggunakan satu persamaan multiregresi sehingga hanya digunakan sebuah pengoperasian regresi saja berapapun

85


JEB, Vol. 3, No. 2, Juli 2009: 81-89

HASIL PENELITIAN Hasil penelitian ditunjukkan pada Tabel 1 berikut ini: Tabel 1 Nilai Beta Belum Dikoreksi Emiten No.

No.

Emiten

!

No.

Emiten

No.

Emiten

1

AALI

Emiten 0.0839

23

TLKM

1.0100

45

BCIC

1.0271

67

MIRA

0.6943

2

ADMG

-0.1685

24

UNSP

1.1691

46

BNLI

0.4511

68

MLPL

1.1582

3

ANTM

-0.2753

25

UNTR

0.9640

47

BTEL

0.8992

69

MRAT

0.7552

4

ASII

-0.0117

26

BDMN

1.2298

48

BVIC

1.0725

70

MTDL

1.5631

5

ASGR

0.1973

27

CTRA

1.2359

49

CFIN

0.6850

71

MYOR

0.4814

6

BBCA

0.1030

28

INDF

1.1072

50

DAVO

0.9951

72

NISP

-0.7465

7

BLTA

1.1739

29

INKP

0.9295

51

EPMT

0.3752

73

PBRX

1.3851

8

BHIT

0.9631

30

ISAT

0.9103

52

EXCL

0.9588

74

PJAA

0.5384

9

BMTR

0.7472

31

KIJA

1.4462

53

FREN

0.7712

75

PNIN

0.7334

10

BNBR

1.3215

32

LSIP

0.6186

54

GGRM

0.4126

76

PYFA

1.1135

11

BNII

1.0763

33

SMCB

1.0987

55

GJTL

0.8875

77

PANS

0.2007

12

BRPT

1.2530

34

TSPC

0.8980

56

HMSP

0.2272

78

PTRO

0.5572

13

BUMI

1.3805

35

BNGA

1.2272

57

IGAR

0.5768

79

PUDP

0.8089

14

CMNP

1.0025

36

BMRI

1.4009

58

IIKP

0.9943

80

SIIP

0.4470

15

ELTY

1.6328

37

BBRI

1.0331

59

INCO

1.3092

81

RALS

0.6276

16

KLBF

0.6691

38

PGAS

1.0039

60

INTA

0.9165

82

RMBA

0.7418

17

MEDC

1.3076

39

ENRG

1.0853

61

JPRS

0.9840

83

SMAR

0.3263

18

PNBN

1.2515

40

CPRO

1.3827

62

KAEF

1.1137

84

SMRA

0.7117

19

PTBA

1.5034

41

TOTL

0.9472

63

LPBN

0.4444

85

TRIM

0.9240

20

SULI

1.1880

42

ADHI

1.1746

64

LPKR

0.1670

86

TRST

0.9399

21

TINS

1.7112

43

ALMI

0.1779

65

LPLI

1.0109

87

UNVR

0.9138

22

TKIM

0.8975

44

APEX

0.4734

66

META

1.2714

PEMBAHASAN Beta pasar merupakan rata-rata tertimbang dari beta saham. Beta pasar yang belum dikoreksi yang dihitung dari rata-rata 94 emiten adalah sebesar 0,85. Nilai beta ini secara statistik signifikan (dengan tingkat signifikansi kurang dari 1%, yaitu Z-hitung = -3,1 dengan p= 0,0001) yang berbeda dengan nilai 1. Hasil ini menunjukkan bahwa beta sekuritas yang terdaftar

86

di BEI merupakan beta yang bias. Beta tiap saham kemudian dikoreksi dengan metode Scholes-Williams, Dimson, dan Fowler-Rorke. Nilai beta pasar setelah dikoreksi dengan metode tersebut dapat dilihat pada tabel 3. Hasil koreksi menunjukkan bahwa metode yang paling tepat digunakan adalah metode Scholes-Williams dengan menggunakan 2 lag dan 3 lead koreksi.


KOREKSI BIAS KOEFISIEN BETA DI BURSA EFEK INDONESIA (Rowland Bismark Fernando Pasaribu)

Tabel 2 Nilai Koreksi Beta Dengan Distribusi Return Tidak Normal

Periode Koreksi 2lag1lead 2lag2lead 2lag3lead 2lag4lead 2lag5lead 3lag1lead 3lag2lead 3lag3lead 3lag4lead 3lag5lead 4lag1lead 4lag2lead 4lag3lead 4lag4lead 4lag5lead

SW 0.8668 0.8173 1.0191 0.8488 0.4101 1.0791 1.0296 1.2314 1.0611 0.6224 0.9278 0.8782 1.0801 0.9097 0.4711

DIM 0.8933 0.8616 0.9058 0.8090 0.5863 1.0613 1.0296 1.0739 0.9770 0.7544 1.0068 0.9751 1.0194 0.9225 0.6999

FR 0.8644 0.8516 0.8649 0.8113 0.7394 0.9149 0.9022 0.9155 0.8618 0.7900 0.8847 0.8720 0.8853 0.8317 0.7598

Karena data di BEI diduga memiliki distribusi yang tidak normal, penelitian ini menguji distribusi return yang digunakan untuk menghitung beta saham. Pengujian normalitas dilakukan berdasarkan nilai skewness Z = Skewness / ( 6/Ă“N). Hasil pengujian ini menunjukkan nilai skewness sebesar 1,484 dengan Z-hitung sebesar 5,652 yang menunjukkan bahwa data tersebut memiliki distribusi yang tidak normal. Foster (1986) menyarankan beberapa cara untuk menjadikan distribusi data menjadi normal, yaitu dengan cara transformasi data, trimming, dan winsorizing. Dalam penelitian ini hanya akan dilakukan transformasi data dan trimming. Cara transformasi dilakukan dengan transformasi data return menjadi nilai log return. Trimming dilakukan dengan membuang sampel yang nilainya dianggap sebagai outlier. Penelitian ini menggunakan batasan 2 deviasi standar dari rata-rata untuk menentukan outlier. Dengan metode trimming, sejumlah 8 outlier tidak diikutsertakan sebagai sampel, sehingga jumlah observasi menjadi 79. Tabel 3 menunjukkan bahwa metode trimming berhasil mengatasi masalah return data yang tidak berdistribusi normal.

Tabel 3 Hasil Uji Normalitas Data Return

Metode Data Awal Transformasi Trimming

N Skewness Z-Hitung Distribusi Data 87 1.484 5.6519 Tidak Normal 87 1.672 6.3662 Tidak Normal 79 0.401 1.4543 Normal

Tahap selanjutnya adalah mengkoreksi kembali nilai beta dengan metode koreksi yang digunakan untuk data yang distribusinya sudah dinormalkan. Tabel 4 menyajikan hasil perhitungan beta pasar yang telah dikoreksi dengan metode Scholes-Williams, Dimson, dan Fowler-Rorke untuk data return yang sudah berdistribusi normal dengan cara transformasi dan trimming. Tabel 4 Nilai Koreksi Beta Untuk Data Return Berdistribusi Normal

Periode Koreksi 3lag1lead 3lag2lead 3lag3lead 3lag4lead 3lag5lead

Transformasi Data SW DIM FR 0.4752 0.4825 0.2395 0.4265 0.4736 0.2356 0.6315 0.4545 0.2293 0.4611 0.4709 0.2388 0.0200 0.4133 0.2188

SW 1.0684 1.0189 1.2207 1.0504 0.6118

Trimming DIM FR 1.0569 0.9089 1.0233 0.8954 1.0632 0.9074 0.9724 0.8571 0.7511 0.7857

Beta pasar koreksi yang paling mendekati nilai 1 terjadi pada periode 3 lag dan 1 lead dengan menggunakan metode Fowler-Rorke yaitu sebesar 0,9089. Hasil ini menunjukkan bahwa metode Fowler dan Rorke merupakan metode yang paling memadai mengurangi bias pada beta saham untuk data return yang berdistribusi normal. Untuk data yang berdistribusi normal, periode koreksi yang dibutuhkan justru lebih panjang dibanding data yang tidak berdistribusi normal (2 lag dan 3 lead koreksi). Dalam hal ini hasil empiris tidak setuju dengan penelitian Jogiyanto dan Surianto (2000) yang menyatakan bahwa data return yang berdistribusi tidak normal memperbesar bias beta saham.

87


JEB, Vol. 3, No. 2, Juli 2009: 81-89

SIMPULAN, KETERBATASAN, DAN SARAN Simpulan BEI merupakan pasar modal yang sedang berkembang yang perdagangannya masih tipis sehiingga terjadi perdagangan yang tidak sinkron. Efek selanjutnya adalah beta saham yang terdaftar di BEI adalah bias. Hasil empiris menerima hipotesis yang menyatakan beta sekuritas BEI bias. Hasil ini konsisten dengan penelitian yang dilakukan Arif dan Johnson (1990) untuk pasar modal Singapura, Jogiyanto dan Surianto (2000) untuk BEJ periode Maret 1995 - Maret 1997). Beta saham yang bias perlu dikoreksi. Penelitian ini menggunakan 3 metode koreksi, yaitu Scholes-Williams, Dimson, dan Fowler-Rorke. Hasil koreksi menunjukkan bahwa metode yang paling tepat digunakan untuk data return berdistribusi tidak normal adalah metode Scholes-Williams dengan periode koreksi 2 lag dan 3 lead koreksi, sedang untuk data return berdistribusi normal, metode Fowler-Rorke adalah metode yang memadai dalam mengurangi bias pada beta saham dengan periode koreksi 3 lag dan 1 lead. Keterbatasan dan Saran Jumlah sampel yang kecil adalah salah satu keterbatasan penelitian ini (kurang dari 50% dari total emiten yang listing di BEJ). Selain itu periode penelitian hanya satu tahun (2007) dimana formasi periode koreksi juga hanya 1 macam (data harian). Berdasarkan hal tersebut pada penelitian selanjutnya mungkin dapat memodifikasi kriteria sampel sehingga bisa diperoleh jumlah sampel yang lebih memadai (50%-85% dari seluruh emiten yang listing). Penelitian selanjutnya juga dapat menambah metode koreksi bias, misalnya dengan metode Vasicek, Merrill Lynch Adjusted Beta, fundamental beta, cashflow beta, Rosenberg dan Guy Beta, atau Leverage Adjusted Betas.

DAFTAR PUSTAKA Ariff, M dan L.W. Johnson. 1990. Securities Markets and Stock Pricing : Evidence From a Developing Capital Market in Asia. Singapore:Longman Singapore Publisher Ltd. Altman E., B. Jacquillat and M. Levasseur. 1974. Comparative analysis of risk measures: France and the United States. Journal of Finance 29(5), 1495-1511. Baesel, J. 1974. On the assessment of risk: Some further considerations. Journal of Finance, 29(5), 1491-1494. Berglund, T., E. Liljeblom dan A. Loflund. 1989. Estimating betas on daily data for a small stock market. Journal of Banking and Finance 13, 41-64. Blume, M.E. 1971. On the assessment of risk. Journal of Finance 26, 1-10. Blume, M.E. 1975. Betas and their regression tendencies. Journal of Finance 30, 785-799. Chen, S. 1981. Beta nonstationarity, portfolio residual risk and diversification. Journal of Financial and Quantitative Analysis 16, 95-111. Cohen, K.J., G.A. Hawawini, S.F. Maier, R.A. Schwartz dan D.K. Whitcomb. 1983. Estimating and adjusting for the intervalling-effect bias in beta. Management Science 29, 135-148. Cohen, K.J., G.A. Hawawini, S.F. Maier, R.A. Schwartz, dan D.K. Whitcomb. 1980. Implications of microstructure theory for empirical research on stock price behaviour. Journal of Finance 2, 249-257. Dimson, E. 1979. Risk measurement when shares are subject to infrequent trading. Journal of Financial Economics 10, 197-226.

88


KOREKSI BIAS KOEFISIEN BETA DI BURSA EFEK INDONESIA (Rowland Bismark Fernando Pasaribu)

Fielitz, B. 1974. Indirect versus direct diversification. Financial Management, 3, 54-62. Fisher, L. Some new stock market indexes. Journal of Business 39, 191-225. Fowler, D.J. dan C.H. Rorke. 1983. Risk measurement when shares are subject to infrequent trading: Comment. Journal of Financial Economics 12, 279-283.

Levy, R.A. 1971. On the short term stationarity of beta coefficients. Financial Analysts Journal 27, 5572. McInish, T.H., dan R.A. Wood. 1986. Adjusting for beta bias: An assessment of alternative techniques: A note. Journal of Finance 41, 277-286. Murray, L. 1995. An examination of beta estimation using daily Irish data. Journal of Business Finance and Accounting 22(6), 893-906.

Fowler, D.J., C.H. Rorke, dan V.M. Jog. 1980. Thin trading and beta estimation techniques on the Toronto Stock Exchange. Journal of Business Administration 12, 77-90.

Porter, R. B. and J. R. Ezzell. 1975. A note on the predictive ability of beta coefficients. Journal of Business Research, 3, 365-372.

Fowler, D.J., C.H. Rorke, dan V.M. Jog. 1981. A note on beta stability and thin trading on the Toronto Stock Exchange. Journal of Business Finance and Accounting 8, 267-278.

Roenfeldt, R., G. L. Griepentrog dan C. C. Pflamm. 1978. Further evidence on the stationarity of beta coefficients. Journal of Financial and Quantitative Analysis 13, 117-121.

Fowler, D.J., C.H. Rorke, dan V.M. Jog. 1989. A biascorrecting procedure for beta correction in the presence of thin trading. Journal of Financial Research 12, 23-32.

Scholes, M., dan J. Williams. 1977. Estimating betas from non-synchronous data. Journal of Financial Economics 5, 309-327.

Fung, W.H.K., R.A. Schwartz, dan D.K. Whitcomb. 1985. Adjusting the intervalling effect bias in beta. Journal of Banking and Finance 9, 443-460. Jogiyanto. 1998a. Isu-isu Metodologi Penelitian Akuntansi Bidang Pasar Modal. Paper Pada Semiloka Sehari :Arah dan Topik Penelitian Akuntansi Keuangan dan Pasar Modal. Juli, 121.

Tole, T. M. 1981. How to maximise stationarity of beta. Journal of Portfolio Management, 7, 45-49. Vasicek, O. 1973. A note on using cross-sectional information in Bayesian estimation of security betas. Journal of Finance 28, 1233-1239.

Jogiyanto. 1998b. Teori Portfolio dan Analisis Investasi. Yogyakarta: BPFE Jogiyanto, dan Surianto. 2000. Bias in Beta Values and Its Correction. Gadjah Madda International Journal of Business, September, Bol.2, No.3; 337349. Kolb, R. W. dan R. Rodriguez. 1989. The regression tendencies of betas: A reappraisal. The Financial Review, 24, 319-334.

89

KOREKSI BIAS KOEFISIEN BETA  

Penelitian ini bertujuan mengklarifikasi nilai bias beta saham yang terdaftar di Bursa Efek Indonesia dan melakukan koreksi terhadap nilai b...

Read more
Read more
Similar to
Popular now
Just for you